python函数性能 python代码( 五 )


if __name__ == "__main__":
repeats = 1000
for function in ("function_a", "function_b", "function_c"):
t = timeit.Timer("{0}(X, Y)".format(function),"from __main__ import {0}, X, Y".format(function))
sec = t.timeit(repeats) / repeats
print("{function}() {sec:.6f} sec".format(**locals()))
赋予timeit.Timer()构造子的第一个参数是我们想要执行并计时的代码,其形式是字符串 。这里 , 该字符串是“function_a(X,Y)”;第二个参数是可选的 , 还是一个待执行的字符串,这一次是在待计时的代码之前,以便提供一些建立工作 。这里,我们从 __main__ (即this)模块导入了待测试的函数,还有两个作为输入数据传入的变量(X 与Y),这两个变量在该模块中是作为全局变量提供的 。我们也可以很轻易地像从其他模块中导入数据一样来进行导入操作 。
调用timeit.Timer对象的timeit()方法时,首先将执行构造子的第二个参数(如果有),之后执行构造子的第一个参数并对其执行时间进行计时 。timeit.Timer.timeit()方法的返回值是以秒计数的时间 , 类型是float 。默认情况下,timeit()方法重复100万次 , 并返回所 有这些执行的总秒数,但在这一特定案例中,只需要1000次反复就可以给出有用的结果, 因此对重复计数次数进行了显式指定 。在对每个函数进行计时后,使用重复次数对总数进行除法操作 , 就得到了平均执行时间,并在控制台中打印出函数名与执行时间 。
function_a() 0.001618 sec
function_b() 0.012786 sec
function_c() 0.003248 sec
在这一实例中 , function_a()显然是最快的——至少对于这里使用的输入数据而言 。在有些情况下一一比如输入数据不同会对性能产生巨大影响——可能需要使用多组输入数据对每个函数进行测试,以便覆盖有代表性的测试用例 , 并对总执行时间或平均执行时间进行比较 。
有时监控自己的代码进行计时并不是很方便,因此timeit模块提供了一种在命令行中对代码执行时间进行计时的途径 。比如,要对MyModule.py模块中的函数function_a()进行计时,可以在控制台中输入如下命令:python3 -m timeit -n 1000 -s "from MyModule import function_a, X, Y" "function_a(X, Y)"(与通常所做的一样,对 Windows 环境,我们必须使用类似于C:Python3lpython.exe这样的内容来替换python3) 。-m选项用于Python 解释器,使其可以加载指定的模块(这里是timeit),其他选项则由timeit模块进行处理 。-n选项指定了循环计数次数 , -s选项指定了要建立,最后一个参数是要执行和计时的代码 。命令完成后 , 会向控制台中打印运行结果,比如:
1000 loops, best of 3: 1.41 msec per loop
之后我们可以轻易地对其他两个函数进行计时 , 以便对其进行整体的比较 。
cProfile模块(或者profile模块 , 这里统称为cProfile模块)也可以用于比较函数 与方法的性能 。与只是提供原始计时的timeit模块不同的是,cProfile模块精确地展示 了有什么被调用以及每个调用耗费了多少时间 。下面是用于比较与前面一样的3个函数的代码:
if __name__ == "__main__":
for function in ("function_a", "function_b", "function_c"):
cProfile.run("for i in ranged 1000): {0}(X, Y)".format(function))
我们必须将重复的次数放置在要传递给cProfile.run()函数的代码内部,但不需要做任何创建,因为模块函数会使用内省来寻找需要使用的函数与变量 。这里没有使用显式的print()语句,因为默认情况下,cProfile.run()函数会在控制台中打印其输出 。下面给出的是所有函数的相关结果(有些无关行被省略 , 格式也进行了稍许调整,以便与页面适应):

推荐阅读